• 대한기계학회논문집A
• /
• 제40권10호
• /
• pp.895-900
• /
• 2016

리튬 이온 배터리의 잔존수명 추정은 품질보증, 운전계획, 교체주기 파악 등을 위해 활용된다는 점에서 그 필요성이 점점 커지고 있다. 본 논문에서는 에너지 저장 장치용 배터리의 잔존 수명을 단일지수 용량열화 모델과 마코프체인 몬테카를로(MCMC) 방법을 이용하여 추정한 결과를 제시한다. MCMC방법은 사전 정보가 제대로 주어지지 않았을 때, 추정결과가 모델 초기값과 입력 설정값에 따라 크게 변하게 되는 단점이 있어, 실제 현장에서 배터리 모델과 추정법에 익숙하지 않은 사용자가 활용하는데 어려움이 있다. 이러한 어려움을 극복하기 위해, 본 논문에서는 베이지안 추론법의 이론식을 전역 탐색하여 구한 이론값과 MCMC 추정값을 비교해서, 초기값과 설정값을 결정하는 과정을 제안한다.

• 응용통계연구
• /
• 제24권5호
• /
• pp.951-961
• /
• 2011

본 논문에서는 제로팽창 음이항(ZINB) 회귀모형에서 회귀계수에 대한 추론방법으로 마코프체인몬테카를로(MC MC) 기법을 이용한 베이지안 추론방법을 제안하였다. 본 연구에서 고려한 ZINB 회귀모형은 반응변수의 평균뿐만 아니라 제로팽창확률에 대한 회귀모형을 고려한 것으로서 Jang, et al.(2010)의 연구를 확장한 것이다. 아울러 실제사례에 본 연구에서 제안한 베이지안 추론방법을 적용하고 과대산포를 허용하지 않는 제로팽창 포아송(ZIP) 회귀모형과 적합결과를 DIC를 이용하여 비교하였다. 실제 사례분석 결과 ZINB 회귀모형의 DIC가 ZIP모형보다 작게 나타나 ZINB 회귀모형이 ZIP 회귀모형보다 잘 적합되었음을 알 수 있었다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2010년도 정기 학술대회
• /
• pp.620-623
• /
• 2010

구조요소의 설계에서 유한요소해석은 매우 효과적인 방법이며 정확한 해석 기술을 요구한다. 그러나 제조 공정이나 환경에 따라 달라지는 재료 물성이나 불확실성을 내포하는 피로 물성을 확정적인 값으로 이용하는 등 입력 변수의 부정확한 정보로 인해 유한요소해석 결과를 신뢰하지 못하는 경우가 자주 발생한다. 실제 시험을 통해 설계의 결과를 예측하는 것은 경제적인 측면과 시간소요 면에서 한계가 따르기에 신뢰할 수 있는 유한요소해석 방법이 요구된다. 본 연구에서는 고주기의 피로 해석을 위해 유한요소해석을 이용하여 스프링의 응력-수명(S-N) 파라미터를 역 추정하고 수명을 예측해 보았다. 이를 위해 실제 산업현장에서 쓰이는 자동차 서스펜션 코일 스프링을 예제로 사용하였다. 시험 모델에 대해 불확실성을 고려한 베이지안 접근법을 이용하여 입력변수의 파라미터를 역 추정하였으며, 마코프체인몬테카를로(Markov Chain Monte Carlo) 기법을 이용하여 얻어진 피로 물성 파라미터의 샘플 데이터를 이용해서 유한요소해석을 실시하고 신뢰수준 내에서 새로운 구조요소의 피로수명을 예측하였다.

• 대한기계학회논문집A
• /
• 제35권4호
• /
• pp.393-400
• /
• 2011

본 연구에서는 현장의 축적된 피로 수명 시험 데이터를 바탕으로 유한요소해석(Finite Element Analysis)을 이용하여 스프링의 피로 수명 파라미터를 역 추정(Inverse Estimation)하는 연구를 수행하였다. 베이지안 접근법(Bayesian Approach)을 이용하여 불확실성 피로 수명 파라미터의 사후분포(Posterior distribution)를 구하였고, 마코프체인몬테카를로(Markov Chain Monte Carlo) 기법을 이용하여 역 추정된 파라미터의 샘플 데이터를 생성하였다. 얻어진 샘플링 데이터를 기반으로 피로 수명을 예측한 결과 신뢰 수준 내에서 실제 수명 시험 결과가 예측한 범위 내에 잘 포함되고 있음을 알 수 있었다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2011년도 정기 학술대회
• /
• pp.345-348
• /
• 2011

구조요소의 설계에서 유한요소해석은 매우 효과적인 방법이다. 이 방법은 시험 수행에 드는 시간과 비용을 줄여준다. 그러나 공정 과정과 환경에 의하여 생기는 입력 물성치들의 변화 때문에 우리는 유한요소해석의 결과를 전적으로 믿어서는 안 된다. 따라서 유한요소해석의 신뢰성을 증명하는 것은 매우 중요하다. 본 연구에서는 현장에 축적된 피로 수명 시험 데이터를 바탕으로 유한요소해석을 이용하여 피로수명 파라미터를 역 추정 하는 연구를 수행하였다. 베이지안 접근법을 이용하여 불확실성 피로 수명 파라미터의 사후분포를 구하였고, 마코프체인몬테카를로(Markov Chain Monte Carlo) 기법을 이용하여 역 추정된 파라미터의 샘플 데이터를 생성하였다. 얻어진 샘플 데이터를 기반으로 새로운 형상의 스프링에 대한 피로 수명을 예측한다. 신뢰성 기반 형상 최적화(RBDO)는 서스펜션 코일 스프링의 요구수명을 만족시키기 위하여 수행된다. 또한 크리깅 근사 모델은 유한요소해석의 연산 량 감소를 위해 이용한다.

• 응용통계연구
• /
• 제33권2호
• /
• pp.123-136
• /
• 2020

하나의 개체에서 여러가지 측정치가 동시에 관찰되는 경우는 다양한 연구 분야에서 흔히 나타난다. 발달 독성학 연구에서는 특정 독성 물질의 각기 다른 수준에 노출된 임신한 어미 쥐에 대해 기형인 태아의 존재와 태아의 무게가 동시에 측정된다. 이런 두 변수를 결합하여 모형화하는 것은 각기 독립적인 두 모형으로 분석하는 것보다 더 효율적인 결과를 낸다고 알려져 있다. 대부분의 결합 모형은 정규분포를 랜덤효과로 가정하여 분석한다. 그러나 발달 독성학 연구에서처럼 반응변수들의 분포가 독성 물질이 변함에 따라 불규칙하게 변하는 경우 정규분포의 가정으로는 그 특징을 잡아낼 수 없게 된다. 본 논문에서는 이진수 자료와 연속형 자료에 대해 비대칭 로짓 모형을 사용한 베이지안 결합모형을 제시한다. 본 모형은 비대칭 로짓 모형을 사용함으로써 반응변수의 분포의 형태가 독성 물질의 수준에 따라 대칭/비대칭의 형태를 자유롭게 띨 수 있는 장점을 가지고 있다. 모형의 적합성을 살펴보기 위해 발달 독성학 연구에서 독성 물질 DEHP에 적용하여 그 결과를 확인해본다.

• 응용통계연구
• /
• 제31권2호
• /
• pp.287-301
• /
• 2018

0이 과도하게 많이 나타나는 자료는 여러 다양한 분야에서 흔히 볼 수 있다. 이러한 자료들을 분석할 때 대표적으로 영과잉 포아송 모형이 사용된다. 특히 반응변수들 사이에 상관관계가 존재할 때에는 랜덤효과를 영과잉 포아송 모형에 도입해서 분석해야 한다. 이러한 모형은 주로 빈도론자들의 접근방법으로 분석되어왔는데, 최근에는 베이지안 기법을 사용한 분석도 다양하게 발전되어 왔다. 본 논문에서는 반응변수들 사이에 상관관계가 존재하는 경우 랜덤효과가 포함된 영과잉 포아송 회귀모형을 베이지안 추론 방법을 토대로 제안하였다. 이 모형의 적합성을 판단하기 위해 모의 실험을 통해 랜덤효과를 고려하지 않은 모형과 비교 분석하였다. 또한, 실제 지역사회 건강조사 흡연 자료에 직접 응용하여 그 결과를 살펴보았다.

• Journal of the Korean Data and Information Science Society
• /
• 제23권4호
• /
• pp.627-641
• /
• 2012

본 연구는 다차원 분할표 형태로 정리된 범주형 자료가 결측치나 무응답을 가지고 있을 때 주어진 자료를 가장 잘 설명하고 예측의 정확도를 높일 수 있는 모형의 추정과 모형의 선택 문제를 다루었다. 무시할 수 없는 무응답 (non-ignorable non-response)체계하에서 최대우도 추정에서 발생할 수 있는 변방값 문제를 해결하기 위하여 계층적 베이지안 모형을 고려하였다. 또한 모형 적도를 높이기 위한 변수 조합을 찾는 모형 선택의 문제를 함께 다루었다. 베이지안 접근하에서 모형 선택의 문제를 다루기 위하여 베이즈 인자 (Bayes factor)를 모형 선택의 기준으로 이용하였다. 제시된 방법은 2004년 실시된 우리나라 국회의원 선거를 앞두고 수행된 여론조사 데이터를 이용하여 실증분석을 수행하였다. 분석결과 무시할 수 없는 무응답 체계하에서 설명변수로 투표참여여부를 이용하는 것이 가장 적합한 모형으로 판명되었다.

• 응용통계연구
• /
• 제35권1호
• /
• pp.131-146
• /
• 2022

로지스틱 회귀 모형은 다양한 분야에서 범주형 종속 변수를 예측하거나 분류하기 위한 모형으로 많이 사용되고 있다. 로지스틱 회귀 모형에 대한 전통적인 베이지안 추론 기법으로 메트로폴리스-헤이스팅스 알고리즘이 많이 사용되었지만, 수렴의 속도가 느리고 제안 분포에 대한 적절성을 보장하기 어렵다. 따라서, 본 논문에서는 모형에 대한 베이지안 추론 방법으로 Frühwirth-Schnatter와 Frühwirth (2007)에서 제안된 보조 혼합 샘플링(auxiliary mixture sampling) 기법을 사용하였다. 이 방법은 모형의 선형성과 정규성을 만족시키기 위해 두 단계에 거쳐 잠재변수를 도입하며, 결과적으로 깁스 샘플링을 통한 추론을 가능하게 한다. 제안한 모형의 효과를 검증하기 위해 2020년 지역사회 건강조사 당뇨병 자료에 적용하여 메트로폴리스-헤이스팅스를 사용한 모형과 추론 결과를 비교 분석하였다. 또한, 다양한 분류 모형들과 본 논문에서 제안한 모형의 분류 성능을 비교한 결과 제안된 모형이 분류 분석에서도 좋은 성능을 보이는 것을 확인할 수 있었다.

• 대한기계학회논문집A
• /
• 제33권10호
• /
• pp.1163-1170
• /
• 2009

Reliability analysis is of great importance in the advanced product design, which is to evaluate reliability due to the associated uncertainties. There are three types of uncertainties: the first is the aleatory uncertainty which is related with inherent physical randomness that is completely described by a suitable probability model. The second is the epistemic uncertainty, which results from the lack of knowledge due to the insufficient data. These two uncertainties are encountered in the input variables such as dimensional tolerances, material properties and loading conditions. The third is the metamodel uncertainty which arises from the approximation of the response function. In this study, an integrated method for the reliability analysis is proposed that can address all these uncertainties in a single Bayesian framework. Markov Chain Monte Carlo (MCMC) method is employed to facilitate the simulation of the posterior distribution. Mathematical and engineering examples are used to demonstrate the proposed method.